这门课解决什么问题

大模型虽然强大，但往往“幻觉”严重且知识滞后。RAG（检索增强生成）是解决这一痛点的主流工程方案，它能将企业私有数据或最新文档注入模型回答中，让 AI 从“凭印象瞎说”变成“有据可依”。

本实战营聚焦于 RAG 系统的核心难点：如何从搭建基础链路进阶到优化检索质量。课程首先通过 Python 环境配置和 Git 版本控制夯实工程基础，随后深入解析 RAG 的三大核心问题—— chunking（分块）、embedding（向量化）以及检索策略，并结合 LlamaIndex 和 LangChain 两大主流框架，展示如何用极简代码实现一个可用的 RAG 原型，以及如何针对性地优化系统效果。

适合什么基础

课程面向希望从事大模型应用开发的后端工程师或转行进 AI 领域的从业者。前置要求包括：

  • 具备 Python 基础语法能力，能独立安装 Anaconda 等环境依赖。
  • 了解基本的 HTTP 请求和 JSON 数据结构。
  • 能够使用命令行操作 Git，或将本地代码仓库同步至 GitHub。

如果你从未接触过向量数据库或 LLM 框架，建议先利用开篇的视频资源补齐背景概念，再进入编码环节。

建议先看哪几块及练习配合

学习路径建议遵循“工具先行、理论跟进、实战落地”的顺序。

第一阶段务必完整观看 Cursor 编辑器配置系列及 Git & GitHub 操作指南。这两个工具是后续高效开发的前提，缺乏版本管理能力在团队协作中会带来巨大风险。同时，对照 Python 环境准备工作文档，确保本地运行环境无误。

第二阶段重点攻克《RAG三问》模块。不要急于求成，务必理解向量检索背后的数学逻辑，这是排查线上 RAG 准确率问题的根本。对于 LangChain 和 LlamaIndex 的对比视频，建议边看边在本地复现那“5行展示”代码，建立直观手感。

第三阶段进入第二章“自己动手制作RAG框架”。这是本课程的精华，不再依赖黑盒框架，而是从零梳理前后端交互流程。观看框架设计与前端流程视频时，请跟随步骤下载并运行源码，完成课后练习中的核心功能改造。只有通过亲手调试代码，才能真正掌握 RAG 系统的数据流向与性能瓶颈定位方法。

课程目录

01 学习手册.mp4
 02 RAG三问.mp4
 00-开营导语（新）_ev.mp4
 41.71M 01-Cursor-01_ev.mp4
 19.51M 01-Cursor-02_ev.mp4
 55.94M 01-Cursor-03_ev.mp4
 29.75M 01-RAG三问-01（2025.3.24）_ev.mp4
 32.28M 01-RAG三问-02-LlamaIndex5行展示(2025.3.24)_ev.mp4
 66.53M 01-RAG三问-03-LangChain(2025.3.24)_ev.mp4
 146.42M 01-RAG三问-04-如何优化RAG系统(2025.3.24)_ev.mp4
 74.34M 08-Cursor-03_ev.mp4
 29.88M Python环境准备工作.pdf
 2.88M RAG三问.pdf
 43.75M 大模型应用开发概述- 开营导语.pdf
 9.28M 

03 Git & Github操作指南.mp4
 第二节 什么是版本控制？_ev.mp4
 26.33M 第三节 安装 Git、初始化仓库并做最简单的配置_ev.mp4
 29.93M 第三节 在Windows系统上安装Git_ev.mp4
 5.62M 第四节 完成一个最简单的Git操作流程：工作区、暂存区和仓库_ev.mp4
 27.51M 第一节 为什么要使用 Git&GitHub_ev.mp4
 27.80M 将本地仓库同步到远程GitHub仓库_v1.6_ev.mp4
 31.83M 直播领取资料.txt 0.19kb 04 RAG三问.mp4
 资料 Curcor的安装和配置.pdf
 2.86M RAG三问.pdf
 43.54M 大模型应用开发概述- 开营导语.pdf
 9.24M 01-Cursor-01_ev.mp4
 19.16M 01-Cursor-02_ev.mp4
 54.79M 01-Cursor-03_ev.mp4
 29.16M 01-RAG三问-01（2025.3.24）_ev.mp4
 31.52M 01-RAG三问-02-LlamaIndex5行展示(2025.3.24)_ev.mp4
 63.14M 01-RAG三问-03-LangChain(2025.3.24)_ev.mp4
 141.73M 01-RAG三问-04-如何优化RAG系统(2025.3.24)_ev.mp4
 70.26M 08-Cursor-03_ev.mp4
 30.08M 

05 第二章：自己动手制作RAG框架.mp4
 课后练习.png 493.51kb 自己动手制作RAG框架.pdf
 1.58M 1.下载并运行自制RAG框架_ev.mp4
 50.73M 2.框架流程和设计说明（前端）_ev.mp4
 64.16M 3.框架流程和设计说明（后端）_ev.mp4
 107.38M 4.为框架添加新功能_ev.mp4
 143.22M 5.从头开始构建框架_ev.mp4
 83.12M 

06 第三章：案例篇-医疗领域名词标准化工具.mp4
 案例篇-医疗领域名词标准化工具.pdf
 5.90M 数据集文件-SNOMED_ALL.csv.zip
 9.69M 03-01-项目整体目标_ev.mp4
 99.70M 03-02-项目具体实现-代码下载和功能演示（2025.4.7）_ev.mp4
 100.62M 03-03+04 专有名词标准化系统设计（2025.4.7）_ev.mp4
 156.62M 03-04-向量数据库文档补充说明_ev.mp4
 27.52M 03-05专有名词标准化系统-前后端衔接_ev.mp4
 164.72M 03-06-名词扩展和纠错功能实现_ev.mp4
 27.47M 03-07-项目优化方向_ev.mp4
 5.93M 

07 第四章：组件篇-数据导入技术.mp4
 数据导入技术.pdf
 14.07M 组件篇-01-数据导入-01-简单文档-01_ev.mp4
 93.38M 组件篇-01-数据导入-02-有结构的文档_ev.mp4
 116.02M 组件篇-01-数据导入-03-图文导入_ev.mp4
 31.70M 组件篇-01-数据导入-04-PDF解析之-简单工具(PyPDF-PyMUPDF- pytesseract+pdf2image)_ev.mp4
 54.77M 组件篇-01-数据导入-05-PDF解析之-PDF转MarkDown（Marker，MinerU和LlamaParse）_ev.mp4
 109.39M 组件篇-01-数据导入-06-PDF解析之-Unstructured工具解析版式和元素_ev.mp4
 265.98M 组件篇-01-数据导入-07-结构化表格导入之-CSV导入(2025.4.18)_ev.mp4
 51.47M 组件篇-01-数据导入-08-结构化表格导入之-LlamaDB Connector(2025.4.18)_ev.mp4
 47.00M 组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-1(2025.4.18)_ev.mp4
 79.03M 组件篇-01-数据导入-09-结构化表格导入之-PDF表格解析-2（2025.4.18）_ev.mp4
 143.80M 

08 第五章：组件篇-文本分块技术.mp4
 第五章作业（需要提交）.html
 1.27kb 文本分块技术.pdf
 12.02M 组件篇-02-01-文本分块的原理和重要性(2025.4.18)_ev.mp4
 47.85M 组件篇-02-02-文本分块的方法和实现(2025.4.18)_ev.mp4
 123.88M 组件篇-02-03-与分块相关的高级索引技巧(2025.4.18)_ev.mp4
 29.27M 

09 第六章：组件篇-向量嵌入技术.mp4
 BGE-M3：稀疏嵌入、密集嵌入和多向量嵌入_.pdf
 18.01M 嵌入技术.pdf
 11.35M 组件篇-03-01-嵌入技术的基本知识_ev.mp4
 38.10M 组件篇-03-02-嵌入技术的发展和演变_ev.mp4
 26.92M 组件篇-03-03-大模型时代的嵌入模型_ev.mp4
 131.54M 组件篇-03-04-稀疏嵌入和密集嵌入_ev.mp4
 101.88M 组件篇-03-05-多模态嵌入技术的应用_ev.mp4
 45.22M 

10 第七章：组件篇-向量数据库.mp4